Classificação de doenças na folha do arroz através de processamento de imagens e aprendizado de máquina

Abstract

O arroz é um dos alimentos mais consumidos no Brasil e no mundo. Doenças na planta podem reduzir drasticamente a produção do grão, sendo que, a Brusone e a Mancha-parda, são as principais doenças que afetam a rizicultura. Para agilizar a detecção de doenças na lavoura pode ser realizada a captura de imagens para posterior processamento e análise. Este trabalho busca propor um modelo de visão computacional que classifique as imagens das folhas do arroz entre as categorias doente com Brusone, doente com Mancha-parda e saudável. O modelo proposto se baseia no descritor de textura e padrões Local Binary Pattern e no algoritmo de aprendizado de máquina Support Vector Machine. A otimização de parâmetros através da busca utilizando o algoritmo de Grid Search apontou o melhor tipo de kernel e valores para os parâmetros C e Gamma do algoritmo de classificação para o problema em estudo. A validação cruzada forneceu informações para a avaliação de não existência de overfitting. O modelo obteve uma acurácia de 81,81%.

Rice is one of the main foods consumed in Brazil and in the world. Diseases can drastically reduce the grain production, being Leaf Blast and Brown Spot the main ones that affect rice farming. To speed up the disease detection, images of the rice field can be obtained to later processing. The present study aims to propose a Computer Vision model that classifies rice images between the categories Leaf Blast, Brown Spot and healthy. The proposed model is based on the pattern and texture descriptor Local Binary Pattern and on the machine learning algorithm Support Vector Machine. The Grid Search algorithm pointed the best parameters for C, Gamma and the type of kernel for the problem in study. The cross validation algorithm offered informations to evaluate the non existence of overfitting. The model obtained an 81.81% accuracy.